基于脉冲的局部突触可塑性：计算模型与神经形态电路综述
神经与进化计算
2022-11-08 v2 硬件体系结构
摘要
理解生物神经网络如何利用基于脉冲的局部可塑性机制进行学习，有助于开发强大、节能且自适应的神经形态处理系统。近期基于不同方法提出了大量基于脉冲的学习模型。然而，难以评估它们是否及如何映射到神经形态硬件，也难以比较它们的特性与实现难易度。为此，在本综述中，我们在一个统一框架下全面概述了代表性的受脑启发的突触可塑性模型与混合信号 CMOS 神经形态电路。我们回顾了建模突触可塑性的历史性、自下而上与自上而下方法，并确定了可支持基于脉冲学习规则的低延迟、低功耗硬件实现的计算基元。我们基于突触前与突触后神经元信息给出了局部性原理的统一定义，并将其提出作为突触可塑性物理实现的基本要求。基于该原理，我们在同一框架内比较了这些模型的属性，并描述了实现其计算基元的混合信号电子电路，指出这些构建模块如何在神经形态处理系统中实现高效的片上与在线学习。
引用
@article{arxiv.2209.15536,
title = {Spike-based local synaptic plasticity: A survey of computational models and neuromorphic circuits},
author = {Lyes Khacef and Philipp Klein and Matteo Cartiglia and Arianna Rubino and Giacomo Indiveri and Elisabetta Chicca},
journal= {arXiv preprint arXiv:2209.15536},
year = {2022}
}